基于PSO-SVR的3R机械手逆运动学求解

摘要

为解决3R机械手逆运动学求解预测精度不高的问题，提出基于粒子群优化(PSO)与支持向量回归(SVR)相结合的方法(PSO-SVR)求解3R机械手逆运动学多解。根据机械手的总体结构，将运动空间划分为多个仅含唯一解的关节子空间，构建机械手三维模型，获取正逆解数据集；分别采用BP、SVR神经网络及PSO-SVR模型对数据集进行训练对比，得到预测关节角度与位置，并通过真实机械手验证数据。结果表明：迭代100次后，BP神经网络与SVR模型的空间直线误差分别为0.247和0.217,而PSO-SVR方法的空间直线误差为0.102。PSO-SVR方法对机械臂逆运动学的求解精度更高，误差小于传统BP神经网络和SVR模型。通过UR5e抓取实验验证，该方法可实现机械手在多体位姿下的物体抓取。

关键词

3R机械手 / 逆运动学求解 / 粒子群优化 / 支持向量回归